个人认为总体两种思想：1、让服务器尽可能的多做事情，榨干服务器资源，以最高系统吞吐量为目标再好的硬件没有充分利用起来，都是白扯淡。比如:(1) 启动一次job尽可能的多做事情，一个job能完成的事情,不要两个job来做 通常来说前面的任务启动可以稍带一起做的事情就一起做了,以便后续的多个任务重用,与此紧密相连的是模型设计,好的模型特别重要.(2) 合理设置reduce个数re
转载
2023-07-12 13:06:23
59阅读
生产中Hive常用技巧
原创
2019-07-01 00:07:35
1857阅读
Hive个人心得笔记之Hive优化一.Hive的优化Hive的优化小表缓存：将小表的放入内存中，减少对磁盘以及网络消耗在做join查询的时候，如果有附带的查询条件，那么最好先用子查询将符合条件的数据查询出
转载
2023-07-20 18:49:39
83阅读
文章目录一、调优工具1、explain2、analyze二、优化设计三、配置优化1、设置本地模式2、JVM重用3、并行执行四、查询优化1、自动启动Map端的join2、启用CBO(Cost based Optimizer):负载均衡3、启用Vectorization(矢量化)4、使用CTE、临时表、窗口函数等正确的编码约定五、压缩 一、调优工具1、explainexplain 查询语句;由于Hi
转载
2023-10-24 09:03:03
67阅读
有很多刚学习的小伙伴，想学习参数优化，又不知道有哪些参数，如何优化。给大家，说明思路。1.set 你知道在这里找，说明你知道实际生效的作用2.hive-site.default.xml，你知道在这里找，说明你知道这个配置文件的作用(cdp-hive3.1的部分配置hive官网都没有。。在clouder的官网)3.官网。官网永远是学习最好的地方，不用多说Configuration Pro
hive on spark 性能远比hive on mr 要好，而且提供了一样的功能。用户的sql无需修改就可以直接运行于hive on spark。 udf函数也是全部支持。本文主要是想讲hive on spark 在运行于yarn模式的情况下如何调优。下文举例讲解的yarn节点机器配置，假设有32核，120GB内存。1. yarn配置yarn.nodemanage
转载
2023-07-20 18:49:27
181阅读
谈笑间学会大数据-Hive调优策略 Hive SQL是一种声明试语言，用户会提交声明式的查询，而Hive会将其转换成MapReduce job，大多数情况下，用户不需要了解Hive内部的实现原理的，这样就可以专注业务的事情，不再关注底层实现了。 不过，当用户对于Hive具有越来越多的经验后，了解一下Hive背后的理论知识和底层的一些实现细节，会让用户更加高效地使用Hive。使用explain 学习
文章目录1:本地模式2：表优化2.1：小表、大表join2.2：大表、大表join2.3：map join2.4：group by2.5：count(distinct)2.6：笛卡尔积3：分区裁剪、列裁剪4：并行执行5：严格模式6：jvm重用7：开启推测执行8：压缩9：Fetch抓取10：数据倾斜10.1：合理设置Map数10.2 小文件合并10.3 复杂文件增加Map数10.4 合理设置Red
转载
2023-07-15 00:09:37
93阅读
Hive优化-参数调优 Hive通过将查询划分成一个或多个MapReduce任务达到并行处理的目的。每个任务都可能具有多个mapper和reducer任务，其中至少有一些是可以并行执行的。确定最佳的mapper个数和reducer个数取决于多个变量，例如输入的数据量大小以及对这些数据执行的操作类型等。启用本地模式对于数据量比较小的操作，可以使用本地模式提交任务。因为在这种情况下，集群执行的话为查询
转载
2023-07-12 09:26:25
133阅读
记录一下自己在工作中经常用到的几个参数设置，从调整的实际效果看还是有效果的。企业相关服务器资源配置：平均600台active的节点，
每个节点可用的内存在200G左右，可用的memory total：116T1、set hive.exec.parallel=true;开启job的并行：基本每个hql脚本都会开启这个参数，默认并行度为8，
在集群资源充足的情况下，可以提高job并行的数量：
set
转载
2023-07-12 18:59:28
0阅读
hive的调优： 第一个调优：fetch抓取，能够避免使用mr的，就尽量不要用mr，因为mr太慢了 set hive.fetch.task.conversion=more 表示我们的全局查找，字段查找，limit查找都不走mr 这个属性配置有三个取值 more minimal  
转载
2023-07-14 23:37:40
71阅读
优化一：开启本地模式 大多数的Hadoop Job是需要Hadoop提供的完整的可扩展性来处理大数据集的。不过，有时Hive的输入数据量是非常小的。在这种情况下，为查询触发执行任务消耗的时间可能会比实际job的执行时间要多的多。对于大多数这种情况，Hive可以通过本地模式在单台机器上处理所有的任务。对于小数据集，执行时间可以明显被缩短。 如果是单次任务开启本地模式的话，那么...
原创
2021-08-27 15:40:55
379阅读
优化一：开启本地模式 大多数的Hadoop Job是需要Hadoop提供的间要多的多。对于大多数这种情况，Hive可以通过本地模式在单台机器上处理所有的任务。对于小数据集，执行时间可以明显被缩短。 如果是单次任务开启本地模式的话，那么...
原创
2022-02-28 16:49:55
260阅读
第 1 章 Explain 查看执行计划（重点） 1.1 创建测试用表 1）建大表、小表和 JOIN 后表的语句 // 创建大表 create table bigtable(id bigint, t bigint, uid string, keyword string, url_rank int, ...
转载
2021-08-12 16:47:00
161阅读
2评论
Hive建表优化 1，分区，分桶 一般是按照业务日期进行分区 每天的数据放在一个分区里 2，一般使用外部表，避免数据误删 3，选择适当的文件储存格式及压缩格式 4，命名要规范 5，数据分层，表分离，但是也不要分的太散 Hive查询优化 分区裁剪 where过滤， 先过滤，后join 分区分桶， 合并 ...
转载
2021-10-08 21:32:00
188阅读
2评论
1.优化时，把hive sql当做map reduce程序来读，会有很好的效果。2.对job数比较多的作业运行效率比较低，即使有几百行的表，如果多次关联，多次汇总，作业执行时间还是比较长的。3.对count（distinct），效率较低。优化可以从几个方面着手：1.好的模型设计事半功倍2.解决数据倾斜问题3.减少job数量4.设置合理的map reduce的task数，能有效提升性能（10w级的计
转载
精选
2014-03-11 12:39:17
475阅读
HIve调优 1、Fetch抓取机制 我们在刚开始学习hive的时候,都知道hive可以降低程序员的学习成本和开发成本,具体表现就在于可以将SQL语句转换成MapReduce程序运行。但是Hive中对某些情况的查询可以不必使用MapReduce计算。例如：SELECT * FROM employ ...
转载
2021-10-22 17:57:00
197阅读
2评论
sql优化1.谓词下推where条件中将无关的列剔除2.分区读取只读取符合条件的分...
原创
2023-06-07 09:42:45
49阅读
Hive调优手段
最常用的调优手段Fetch抓取MapJoin分区裁剪 列裁剪控制map个数以及reduce个数JVM重用数据压缩Fetch的抓取出现原因Hive中对某些情况的查询不必使用MapReduce计算。在这种情况下，Hive可以简单地读取employee对应的存储目录下的文件，然后输出查询结果到控制台。（原则就是能不用MapReduce就不用MapReduce） 比如以
今天总结一下有关hive的性能调优，一下测试在本地环境，单节点模式（非高可用）进行测试，影响因素也可能和个人电脑配置有关，但是经过一系列配置，性能还是提升了不少。
关于hive调优，首先要对hive运行原理有了解。通晓原理，从根本进行调优。
hive的基本运行原理：HQL——> Job——> Map/Reduce。
通过以上基本原理，我们可以从以下三个方面进行调优，HQL语句调优
转载
2023-09-20 06:22:19
49阅读
